探測程式 (Sun Cluster 資料服務開發者指南 (適用於 Solaris 作業系統))

Sun Cluster 資料服務開發者指南 (適用於 Solaris 作業系統)

探測程式

dns_probe 程式將實施一個連續的執行程序，該程序用來驗證由資料服務範例控制的 DNS 資源是否正在執行。 dns_probe 由 dns_monitor_start 方法來啟動，RGM 會在資料服務範例上線之後自動呼叫該方法。資料服務由 dns_monitor_stop 方法來停止，RGM 會在資料服務範例離線之前呼叫該方法。

本節說明應用程式範例的 PROBE 方法之主要部分，但未說明如為所有方法提供共用功能性中所描述的所有回呼方法的共用功能性，如 parse_args() 函式與獲取 syslog 工具。

如需 PROBE 方法的完整清單，請參閱PROBE 程式。

探測概觀

探測在無窮迴圈中執行。它使用 nslookup 來驗證正確的 DNS 資源是否正在執行。如果 DNS 正在執行，探測將在規定間隔 (由 Thorough_probe_interval 系統定義的屬性設定) 內休息，然後再進行檢查。如果 DNS 未在執行，此程式將嘗試在本機重新啟動 DNS，或依據嘗試重新啟動的次數，要求 RGM 將資料服務重新置於其他節點。

獲取屬性值

此程式需要以下屬性的值：

Thorough_probe_interval – 設定探測休息的時間
Probe_timeout – 對執行探測作業的 nslookup 指令，實施探測的逾時值
Network_resources_used – 獲取 DNS 正在其上執行的 IP 位址
Retry_count 與 Retry_interval – 決定嘗試重新啟動的次數與透過其計算次數的時間間隔
Rt_basedir – 獲取包含 PROBE 程式和 gettime 公用程式的目錄

scha_resource_get() 函式將獲取這些屬性的值，並將這些值儲存於 shell 變數中，如下所示。

PROBE_INTERVAL=`scha_resource_get -O THOROUGH_PROBE_INTERVAL \
-R $RESOURCE_NAME -G $RESOURCEGROUP_NAME`

probe_timeout_info=`scha_resource_get -O Extension -R $RESOURCE_NAME
\
-G $RESOURCEGROUP_NAME Probe_timeout` 
PROBE_TIMEOUT=`echo $probe_timeout_info | awk '{print $2}'`

DNS_HOST=`scha_resource_get -O NETWORK_RESOURCES_USED -R $RESOURCE_NAME
\
-G $RESOURCEGROUP_NAME`

RETRY_COUNT=`scha_resource_get -O RETRY_COUNT -R $RESOURCE_NAME
-G\
 $RESOURCEGROUP_NAME`

RETRY_INTERVAL=`scha_resource_get -O RETRY_INTERVAL -R $RESOURCE_NAME
-G\
 $RESOURCEGROUP_NAME`

RT_BASEDIR=`scha_resource_get -O RT_BASEDIR -R $RESOURCE_NAME -G\
 $RESOURCEGROUP_NAME`

註解 –

對於系統定義的屬性 (如 Thorough_probe_interval)，scha_resource_get() 將僅傳回值。對於延伸屬性 (如 Probe_timeout)，scha_resource_get() 將傳回類型與值。使用 awk 指令來僅獲取值。

檢查服務的可靠性

探測本身是 nslookup 指令的一個無窮 while 迴圈。在 while 迴圈之前，將會設定一個暫存檔以存放 nslookup 回覆。 probefail 和 retries 變數均初始化為 0。

# Set up a temporary file for the nslookup replies.
DNSPROBEFILE=/tmp/.$RESOURCE_NAME.probe
probefail=0
retries=0

while 迴圈本身：

設定探測的休息間隔
使用 hatimerun 啟動 nslookup ，傳送 Probe_timeout 值與識別目標主機
基於 nslookup 回覆碼的成功或失敗，設定 probefail 變數
如果 probefail 設定為 1 (失敗)，將會確認對 nslookup 的回覆來自資料服務範例而非其他 DNS 伺服器

以下是 while 迴圈碼。

while :
do
   # The interval at which the probe needs to run is specified in the
   # property THOROUGH_PROBE_INTERVAL. Therefore, set the probe to sleep
   # for a duration of THOROUGH_PROBE_INTERVAL.
   sleep $PROBE_INTERVAL

   # Run an nslookup command of the IP address on which DNS is serving.
   hatimerun -t $PROBE_TIMEOUT /usr/sbin/nslookup $DNS_HOST $DNS_HOST \
          > $DNSPROBEFILE 2>&1

      retcode=$?
      if [ $retcode -ne 0 ]; then
            probefail=1
      fi

   # Make sure that the reply to nslookup comes from the HA-DNS
   # server and not from another nameserver mentioned in the 
   # /etc/resolv.conf file.
   if [ $probefail -eq 0 ]; then
# Get the name of the server that replied to the nslookup query.
   SERVER=` awk ' $1=="Server:" { print $2 }' \
   $DNSPROBEFILE | awk -F. ' { print $1 } ' `
   if [ -z "$SERVER" ]; then
      probefail=1
      else
         if [ $SERVER != $DNS_HOST ]; then
            probefail=1
         fi
   fi
fi

評估重新啟動與故障轉移

probefail 變數是除了 0 (成功) 以外的某個值，意味著 nslookup 指令逾時或回覆來自範例服務的 DNS 之外的伺服器。在其中任何一種情況下，DNS 伺服器都不會發揮預期的功能，而故障監視器會呼叫 decide_restart_or_failover() 函式，以決定是在本機重新啟動資料服務還是要求 RGM 將資料服務重新置於其他節點。如果 probefail 變數為 0，則會產生一條探測成功的訊息。

   if [ $probefail -ne 0 ]; then
         decide_restart_or_failover
   else
         logger -p ${SYSLOG_FACILITY}.err\
         -t [$SYSLOG_TAG]\
         "${ARGV0} Probe for resource HA-DNS successful"
   fi

decide_restart_or_failover() 函式使用時間視窗 (Retry_interval) 與失敗計數 (Retry_count) 來決定是在本機重新啟動 DNS 還是要求 RGM 將資料服務重新置於其他節點。該函式實施以下條件式程式碼 (請參閱PROBE 程式中 decide_restart_or_failover() 的程式碼清單)。

如果是第一次失敗，請重新啟動資料服務。記錄錯誤訊息並按 retries 變數中的計數器。
如果這不是第一次失敗，但已超出視窗，則請重新啟動資料服務。記錄錯誤訊息、重設計數器並滑動視窗。
如果時間仍在視窗內，但已超出重試計數器，則故障轉移至其他節點。如果故障轉移未成功，請記錄錯誤訊息並以狀態 1 (失敗) 結束探測程式。
如果時間仍在視窗內，且尚未超出重試計數器，則請重新啟動資料服務。記錄錯誤訊息並按 retries 變數中的計數器。

如果重新啟動的次數達到了時間間隔內的限制次數，函式將要求 RGM 將資料服務重新置於其他節點。如果重新啟動的次數在限制範圍之內，或已超出間隔從而計數器重新開始計數，函式將嘗試重新啟動相同節點上的 DNS。請注意以下有關此函式的資訊：

gettime 公用程式用於追蹤重新啟動之間的時間。這是常駐在 (Rt_basedir) 目錄中的 C 程式。
系統定義的資源屬性 Retry_count 與 Retry_interval 將決定嘗試重新啟動的次數以及透過其計數的間隔。儘管叢集管理員可以變更設定，但這些 RTR 檔案中的屬性將預設為在 5 分鐘 (300 秒) 的間隔內嘗試重新啟動 2 次。
將呼叫 restart_service() 函式，以嘗試重新啟動相同節點上的資料服務。請參閱下一節 (重新啟動資料服務)，以取得有關此函式的資訊。
透過 GIVEOVER 選項，scha_control() API 函式使包含資料服務範例的資源群組離線，並在其他節點上重新上線。

重新啟動資料服務

restart_service() 函式將由 decide_restart_or_failover() 呼叫，以嘗試重新啟動同一節點上的資料服務。此函式將執行以下作業。

此函式決定是否仍在 PMF 下註冊資料服務。如果仍註冊服務，函式將：
- 獲取 Stop 方法名稱與資料服務的 Stop_timeout 值。
- 使用 hatimerun 啟動資料服務的 Stop 方法，傳送 Stop_timeout 值。
- (如果資料服務成功停止) 獲取資料服務的 Start 方法名稱和 Start_timeout 值。
- 使用 hatimerun 啟動資料服務的 Start 方法，並傳送 Start_timeout 值。
如果已不再在 PMF 下註冊資料服務，意味著資料服務已超出在 PMF 下允許重試的最大次數，因此將使用 GIVEOVER 選項來呼叫 scha_control() 函式，以將資料服務故障轉移至其他節點。

function restart_service
{

        # To restart the data service, first verify that the 
        # data service itself is still registered under PMF.
        pmfadm -q $PMF_TAG
        if [[ $? -eq 0 ]]; then
                # Since the TAG for the data service is still registered under
                # PMF, first stop the data service and start it back up again.

                # Obtain the Stop method name and the STOP_TIMEOUT value for
                # this resource.
                STOP_TIMEOUT=`scha_resource_get -O STOP_TIMEOUT \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                STOP_METHOD=`scha_resource_get -O STOP \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                hatimerun -t $STOP_TIMEOUT $RT_BASEDIR/$STOP_METHOD \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAME \
                        -T $RESOURCETYPE_NAME

                if [[ $? -ne 0 ]]; then
                        logger-p ${SYSLOG_FACILITY}.err -t [$SYSLOG_TAG] \
                                “${ARGV0} Stop method failed.”
                        return 1
                fi

                # Obtain the START method name and the START_TIMEOUT value for
                # this resource.
                START_TIMEOUT=`scha_resource_get -O START_TIMEOUT \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                START_METHOD=`scha_resource_get -O START \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAM?
                hatimerun -t $START_TIMEOUT $RT_BASEDIR/$START_METHOD \
                        -R $RESOURCE_NAME -G $RESOURCEGROUP_NAME \
                        -T $RESOURCETYPE_NAME

                if [[ $? -ne 0 ]]; then
                        logger-p ${SYSLOG_FACILITY}.err -t [$SYSLOG_TAG] \
                                “${ARGV0} Start method failed.”
                        return 1
                fi


        else
                # The absence of the TAG for the dataservice 
                # implies that the data service has already
                # exceeded the maximum retries allowed under PMF. 
                # Therefore, do not attempt to restart the
                # data service again, but try to failover
                # to another node in the cluster.
                scha_control -O GIVEOVER -G $RESOURCEGROUP_NAME \
                        -R $RESOURCE_NAME
        fi

        return 0
}

探測退出狀態

如果嘗試本機重新啟動失敗並且嘗試將故障轉移至其他節點亦失敗，則資料服務範例的 PROBE 程式將以失敗狀態結束。該程式將會記錄訊息「故障轉移嘗試失敗」。